Основи інтернету речей та аналітика великих даних
Спеціальність: Кібербезпека
Код дисципліни: 6.125.01.E.072
Кількість кредитів: 4.00
Кафедра: Безпека інформаційних технологій
Лектор: Професор Нємкова Олена Анатоліївна
Семестр: 5 семестр
Форма навчання: денна
Завдання: 1. Знати базові принципи функціонування IoT, архітектуру, протоколи та компоненти.
2. Розуміти способи збору, зберігання й обробки великих обсягів даних у системах IoT.
3. Знати сучасні технології та інструменти для аналітики великих даних (Big Data).
4. Вміти розробляти рішення для інтеграції IoT з аналітичною обробкою даних у реальних задачах.
5. Вміти оптимізувати роботу IoT-систем за допомогою аналізу даних і штучного інтелекту.
Результати навчання: ЗН 10. Використовувати сучасне програмно-апаратне забезпечення та давати оцінку результативності якості прийнятих рішень.
ЗН 17. Здатність використовувати уміння за експериментальними розрахунками характеристик і вибором елементів конкретної автоматизованої системи з урахуванням забезпечення необхідного рівня захисту інформації в організації (на підприємстві).
ЗН 22. Знання основних моделей уразливостей, загроз та атак для обґрунтування варіантів побудови автоматизованої системи моніторингу інформаційної безпеки для інформаційних і комунікаційних систем та її основних складових.
ЗН 1.3. Забезпечувати процеси захисту та функціонування інформаційно-телекомунікаційних (автоматизованих) систем на основі практик, навичок та знань щодо структурних (структурно-логічних) схем, топології мережі, сучасних архітектур та моделей захисту електронних інформаційних ресурсів з відображенням взаємозв’язків та інформаційних потоків, процесів для внутрішніх і віддалених компонент.
ЗН 1.4. Застосовувати теорії та методи захисту для забезпечення безпеки інформації в інформаційно-телекомунікаційних системах.
ЗН 1.6. Вирішувати задачі захисту інформації, що обробляється в інформаційно-телекомунікаційних системах з використанням сучасних методів та засобів криптографічного захисту інформації.
Необхідні обов'язкові попередні та супутні навчальні дисципліни: Комп’ютерні мережі
Захист баз даних
Технологія блокчейну
Короткий зміст навчальної програми: Дисципліна формує уявлення про основні тенденції в сфері безпеки Інтернету речей та аналітики великих даних. Предмет ознайомлює студентів з підходами до забезпечення комплексної інформаційної та функціональної безпеки систем «Інтернету речей» протягом їх життєвого циклу.
Дає вміння проводити аналіз загроз для систем «Інтернету речей» на основі моделі зловмисника. Дає знання класифікації вразливостей в «Інтернеті речей» за версією OWASP і IoT Attack Surface Areas Project.
Дає вміння самостійно застосовувати принципи забезпечення безпеки в системах «Інтернету речей»: на рівні пристроїв і шлюзів, мережі та транспортних протоколів, додатків, а також самостійно застосовувати криптографічні механізми і протоколи, адаптовані під пристрої з обмеженими обчислювальними можливостями.
Опис: Тема 1. Базові принципи функціонування IoT: архітектура, протоколи та компоненти
Опис: Введення в концепцію Інтернету речей (IoT), основні принципи роботи IoT-систем. Розгляд архітектури IoT (рівні пристроїв, мережі, обробки даних), протоколів передачі даних (MQTT, CoAP, HTTP, WebSocket) та ключових компонентів (датчики, актуатори, мікроконтролери, шлюзи).
Тема 2. Збір, зберігання й обробка великих обсягів даних у системах IoT
Опис: Методи і технології збору даних з IoT-пристроїв. Особливості роботи з потоковими даними в реальному часі. Огляд сховищ даних (SQL, NoSQL, Time-Series DB) та платформ для обробки великих даних (Hadoop, Apache Spark, Kafka).
Тема 3. Сучасні технології та інструменти для аналітики великих даних (Big Data)
Опис: Огляд основних інструментів і методологій для аналітики великих даних. Використання хмарних платформ (AWS, Azure, Google BigQuery) та спеціалізованих бібліотек (Pandas, NumPy, TensorFlow) для обробки і аналізу даних, побудови моделей прогнозування.
тема 4. Розробка рішень для інтеграції IoT із аналітичною обробкою даних у реальних задачах
Опис: Створення практичних проектів IoT із використанням аналітики. Розробка програмних та апаратних рішень для збирання і обробки даних у таких галузях, як розумний дім, автоматизація виробництва, моніторинг екології.
Тема 5. Оптимізація роботи IoT-систем за допомогою аналізу даних і штучного інтелекту
Опис: Використання методів машинного навчання та штучного інтелекту для покращення ефективності IoT-систем. Розробка моделей прогнозування, класифікації та виявлення аномалій. Інтеграція інтелектуальних алгоритмів в IoT-рішення для автоматизації процесів і прийняття рішень у реальному часі.
Методи та критерії оцінювання: Для діагностики знань застосовуються наступні методи: усне індивідуальне опитування на кожному лабораторному занятті, індивідуальний захист звітів лабораторних робіт; залікова перевірка знань в кінці семестрового навчання. Максимальний бал у балах:100, зокрема: Виконання та захист лабораторних робіт: 70, заліковий контроль: 30.
Критерії оцінювання результатів навчання: Оцінювання результатів навчання студентів базується на різних видах діяльності, що охоплюють теоретичні знання та практичні навички. Критерії оцінювання враховують глибину розуміння матеріалу, здатність застосовувати знання на практиці, а також якість виконання індивідуальних і групових завдань.
Основні критерії
1. Знання теоретичних основ.
Демонстрація розуміння базових принципів роботи IoT-систем, архітектури, протоколів та компонентів.
Чітке пояснення способів збору, зберігання та обробки даних.
Знання сучасних інструментів для аналітики великих даних.
Оцінювання: тести, усні відповіді, реферати (20% від загальної оцінки).
2. Практичні навички.
Вміння розробляти IoT-рішення для збору та обробки даних.
Здатність використовувати аналітичні інструменти для роботи з великими даними.
Побудова моделей і систем, що інтегрують IoT із методами аналізу.
Оцінювання: лабораторні роботи, практичні завдання (30% від загальної оцінки).
3. Індивідуальні та групові проекти.
Розробка та презентація IoT-рішення із використанням великих даних для реальної задачі (розумний дім, екологічний моніторинг тощо).
Якість технічної реалізації, креативність підходу, оформлення звіту.
Оцінювання: оцінка проекту, презентація, звіт (30% від загальної оцінки).
4. Активність і самостійність у навчанні.
Участь у дискусіях, виконання додаткових завдань, самостійна робота над вивченням нових інструментів і технологій.
Оцінювання: активність на заняттях, самостійні завдання (10% від загальної оцінки).
5. Фінальний контроль.
Виконання комплексного завдання або тестування, що охоплює всі теми дисципліни.
Оцінювання: фінальний іспит або залік (10% від загальної оцінки).
Порядок та критерії виставляння балів та оцінок: 100–88 балів – («відмінно») виставляється за високий рівень знань (допускаються деякі неточності) навчального матеріалу компонента, що міститься в основних і додаткових рекомендованих літературних джерелах, вміння аналізувати явища, які вивчаються, у їхньому взаємозв’язку і роз витку, чітко, лаконічно, логічно, послідовно відповідати на поставлені запитання, вміння застосовувати теоретичні положення під час розв’язання практичних задач; 87–71 бал – («добре») виставляється за загалом правильне розуміння навчального матеріалу компонента, включаючи розрахунки , аргументовані відповіді на поставлені запитання, які, однак, містять певні (неістотні) недоліки, за вміння застосовувати теоретичні положення під час розв’язання практичних задач; 70 – 50 балів – («задовільно») виставляється за слабкі знання навчального матеріалу компонента, неточні або мало аргументовані відповіді, з порушенням послідовності викладення, за слабке застосування теоретичних положень під час розв’язання практичних задач; 49–26 балів – («не атестований» з можливістю повторного складання семестрового контролю) виставляється за незнання значної частини навчального матеріалу компонента, істотні помилки у відповідях на запитання, невміння застосувати теоретичні положення під час розв’язання практичних задач; 25–00 балів – («незадовільно» з обов’язковим повторним вивченням) виставляється за незнання значної частини навчального матеріалу компонента, істотні помилки у відповідях на запитання, невміння орієнтуватися під час розв’язання практичних задач, незнання основних фундаментальних положень.
Рекомендована література: 1. Internet of Things for Industry and Human Applications. Volume 1. Fundamentals and Technologies. Edited by V. S. Kharchenko. National Aerospace University “Kharkiv Aviation Institute”. 2019. – 608 р.
2. А.В. Пархоменко, О. М. Гладкова, Я. І. Залюбовський, Інженерія вбудованих систем: Навчальний посібник. Запоріжжя: Дике Поле, 2017.
3. Среда разработки Arduino. [Електронний ресурс]. – Режим доступу: http://www.arduino.cc/en/Main/Software
4. Соммер У. Программирование микроконтроллерных плат Arduino/Freeduino.- СПб.: БХВ – Петербург, 2012.- 256 с.
Уніфікований додаток: Національний університет «Львівська політехніка» забезпечує реалізацію права осіб з інвалідністю на здобуття вищої освіти. Інклюзивні освітні послуги надає Служба доступності до можливостей навчання «Без обмежень», метою діяльності якої є забезпечення постійного індивідуального супроводу навчального процесу студентів з інвалідністю та хронічними захворюваннями. Важливим інструментом імплементації інклюзивної освітньої політики в Університеті є Програма підвищення кваліфікації науково-педагогічних працівників та навчально-допоміжного персоналу у сфері соціальної інклюзії та інклюзивної освіти. Звертатися за адресою:
вул. Карпінського, 2/4, І-й н.к., кімн. 112
E-mail: nolimits@lpnu.ua
Websites: https://lpnu.ua/nolimits https://lpnu.ua/integration
Академічна доброчесність: Політика щодо академічної доброчесності учасників освітнього процесу формується на основі дотримання принципів академічної доброчесності з урахуванням норм «Положення про академічну доброчесність у Національному університеті «Львівська політехніка» (затверджене вченою радою університету від 20.06.2017 р., протокол № 35).
Основи інтернету речей та аналітика великих даних (курсова робота)
Спеціальність: Кібербезпека
Код дисципліни: 6.125.01.E.073
Кількість кредитів: 2.00
Кафедра: Безпека інформаційних технологій
Лектор: Професор Нємкова Олена Анатоліївна
Семестр: 5 семестр
Форма навчання: денна
Завдання: 1. Знати базові принципи функціонування IoT, архітектуру, протоколи та компоненти.
2. Розуміти способи збору, зберігання й обробки великих обсягів даних у системах IoT.
3. Знати сучасні технології та інструменти для аналітики великих даних (Big Data).
4. Вміти розробляти рішення для інтеграції IoT з аналітичною обробкою даних у реальних задачах.
5. Вміти оптимізувати роботу IoT-систем за допомогою аналізу даних і штучного інтелекту.
Результати навчання: ЗН 10. Використовувати сучасне програмно-апаратне забезпечення та давати оцінку результативності якості прийнятих рішень.
ЗН 17. Здатність використовувати уміння за експериментальними розрахунками характеристик і вибором елементів конкретної автоматизованої системи з урахуванням забезпечення необхідного рівня захисту інформації в організації (на підприємстві).
ЗН 22. Знання основних моделей уразливостей, загроз та атак для обґрунтування варіантів побудови автоматизованої системи моніторингу інформаційної безпеки для інформаційних і комунікаційних систем та її основних складових.
ЗН 1.3. Забезпечувати процеси захисту та функціонування інформаційно-телекомунікаційних (автоматизованих) систем на основі практик, навичок та знань щодо структурних (структурно-логічних) схем, топології мережі, сучасних архітектур та моделей захисту електронних інформаційних ресурсів з відображенням взаємозв’язків та інформаційних потоків, процесів для внутрішніх і віддалених компонент.
ЗН 1.4. Застосовувати теорії та методи захисту для забезпечення безпеки інформації в інформаційно-телекомунікаційних системах.
ЗН 1.6. Вирішувати задачі захисту інформації, що обробляється в інформаційно-телекомунікаційних системах з використанням сучасних методів та засобів криптографічного захисту інформації.
Необхідні обов'язкові попередні та супутні навчальні дисципліни: Комп’ютерні мережі
Захист баз даних
Технологія блокчейну
Короткий зміст навчальної програми: Дисципліна формує уявлення про основні тенденції в сфері безпеки Інтернету речей та аналітики великих даних. Предмет ознайомлює студентів з підходами до забезпечення комплексної інформаційної та функціональної безпеки систем «Інтернету речей» протягом їх життєвого циклу.
Дає вміння проводити аналіз загроз для систем «Інтернету речей» на основі моделі зловмисника. Дає знання класифікації вразливостей в «Інтернеті речей» за версією OWASP і IoT Attack Surface Areas Project.
Дає вміння самостійно застосовувати принципи забезпечення безпеки в системах «Інтернету речей»: на рівні пристроїв і шлюзів, мережі та транспортних протоколів, додатків, а також самостійно застосовувати криптографічні механізми і протоколи, адаптовані під пристрої з обмеженими обчислювальними можливостями.
Опис: Тема 1. Базові принципи функціонування IoT: архітектура, протоколи та компоненти
Опис: Введення в концепцію Інтернету речей (IoT), основні принципи роботи IoT-систем. Розгляд архітектури IoT (рівні пристроїв, мережі, обробки даних), протоколів передачі даних (MQTT, CoAP, HTTP, WebSocket) та ключових компонентів (датчики, актуатори, мікроконтролери, шлюзи).
Тема 2. Збір, зберігання й обробка великих обсягів даних у системах IoT
Опис: Методи і технології збору даних з IoT-пристроїв. Особливості роботи з потоковими даними в реальному часі. Огляд сховищ даних (SQL, NoSQL, Time-Series DB) та платформ для обробки великих даних (Hadoop, Apache Spark, Kafka).
Тема 3. Сучасні технології та інструменти для аналітики великих даних (Big Data)
Опис: Огляд основних інструментів і методологій для аналітики великих даних. Використання хмарних платформ (AWS, Azure, Google BigQuery) та спеціалізованих бібліотек (Pandas, NumPy, TensorFlow) для обробки і аналізу даних, побудови моделей прогнозування.
тема 4. Розробка рішень для інтеграції IoT із аналітичною обробкою даних у реальних задачах
Опис: Створення практичних проектів IoT із використанням аналітики. Розробка програмних та апаратних рішень для збирання і обробки даних у таких галузях, як розумний дім, автоматизація виробництва, моніторинг екології.
Тема 5. Оптимізація роботи IoT-систем за допомогою аналізу даних і штучного інтелекту
Опис: Використання методів машинного навчання та штучного інтелекту для покращення ефективності IoT-систем. Розробка моделей прогнозування, класифікації та виявлення аномалій. Інтеграція інтелектуальних алгоритмів в IoT-рішення для автоматизації процесів і прийняття рішень у реальному часі.
Методи та критерії оцінювання: Для діагностики знань застосовуються наступні методи: усне індивідуальне опитування на кожному лабораторному занятті, індивідуальний захист звітів лабораторних робіт; залікова перевірка знань в кінці семестрового навчання. Максимальний бал у балах:100, зокрема: Виконання та захист лабораторних робіт: 70, заліковий контроль: 30.
Критерії оцінювання результатів навчання: Оцінювання результатів навчання студентів базується на різних видах діяльності, що охоплюють теоретичні знання та практичні навички. Критерії оцінювання враховують глибину розуміння матеріалу, здатність застосовувати знання на практиці, а також якість виконання індивідуальних і групових завдань.
Основні критерії
1. Знання теоретичних основ.
Демонстрація розуміння базових принципів роботи IoT-систем, архітектури, протоколів та компонентів.
Чітке пояснення способів збору, зберігання та обробки даних.
Знання сучасних інструментів для аналітики великих даних.
Оцінювання: тести, усні відповіді, реферати (20% від загальної оцінки).
2. Практичні навички.
Вміння розробляти IoT-рішення для збору та обробки даних.
Здатність використовувати аналітичні інструменти для роботи з великими даними.
Побудова моделей і систем, що інтегрують IoT із методами аналізу.
Оцінювання: лабораторні роботи, практичні завдання (30% від загальної оцінки).
3. Індивідуальні та групові проекти.
Розробка та презентація IoT-рішення із використанням великих даних для реальної задачі (розумний дім, екологічний моніторинг тощо).
Якість технічної реалізації, креативність підходу, оформлення звіту.
Оцінювання: оцінка проекту, презентація, звіт (30% від загальної оцінки).
4. Активність і самостійність у навчанні.
Участь у дискусіях, виконання додаткових завдань, самостійна робота над вивченням нових інструментів і технологій.
Оцінювання: активність на заняттях, самостійні завдання (10% від загальної оцінки).
5. Фінальний контроль.
Виконання комплексного завдання або тестування, що охоплює всі теми дисципліни.
Оцінювання: фінальний іспит або залік (10% від загальної оцінки).
Порядок та критерії виставляння балів та оцінок: 100–88 балів – («відмінно») виставляється за високий рівень знань (допускаються деякі неточності) навчального матеріалу компонента, що міститься в основних і додаткових рекомендованих літературних джерелах, вміння аналізувати явища, які вивчаються, у їхньому взаємозв’язку і роз витку, чітко, лаконічно, логічно, послідовно відповідати на поставлені запитання, вміння застосовувати теоретичні положення під час розв’язання практичних задач; 87–71 бал – («добре») виставляється за загалом правильне розуміння навчального матеріалу компонента, включаючи розрахунки , аргументовані відповіді на поставлені запитання, які, однак, містять певні (неістотні) недоліки, за вміння застосовувати теоретичні положення під час розв’язання практичних задач; 70 – 50 балів – («задовільно») виставляється за слабкі знання навчального матеріалу компонента, неточні або мало аргументовані відповіді, з порушенням послідовності викладення, за слабке застосування теоретичних положень під час розв’язання практичних задач; 49–26 балів – («не атестований» з можливістю повторного складання семестрового контролю) виставляється за незнання значної частини навчального матеріалу компонента, істотні помилки у відповідях на запитання, невміння застосувати теоретичні положення під час розв’язання практичних задач; 25–00 балів – («незадовільно» з обов’язковим повторним вивченням) виставляється за незнання значної частини навчального матеріалу компонента, істотні помилки у відповідях на запитання, невміння орієнтуватися під час розв’язання практичних задач, незнання основних фундаментальних положень.
Рекомендована література: 1. Internet of Things for Industry and Human Applications. Volume 1. Fundamentals and Technologies. Edited by V. S. Kharchenko. National Aerospace University “Kharkiv Aviation Institute”. 2019. – 608 р.
2. А.В. Пархоменко, О. М. Гладкова, Я. І. Залюбовський, Інженерія вбудованих систем: Навчальний посібник. Запоріжжя: Дике Поле, 2017.
3. Среда разработки Arduino. [Електронний ресурс]. – Режим доступу: http://www.arduino.cc/en/Main/Software
4. Соммер У. Программирование микроконтроллерных плат Arduino/Freeduino.- СПб.: БХВ – Петербург, 2012.- 256 с.
Уніфікований додаток: Національний університет «Львівська політехніка» забезпечує реалізацію права осіб з інвалідністю на здобуття вищої освіти. Інклюзивні освітні послуги надає Служба доступності до можливостей навчання «Без обмежень», метою діяльності якої є забезпечення постійного індивідуального супроводу навчального процесу студентів з інвалідністю та хронічними захворюваннями. Важливим інструментом імплементації інклюзивної освітньої політики в Університеті є Програма підвищення кваліфікації науково-педагогічних працівників та навчально-допоміжного персоналу у сфері соціальної інклюзії та інклюзивної освіти. Звертатися за адресою:
вул. Карпінського, 2/4, І-й н.к., кімн. 112
E-mail: nolimits@lpnu.ua
Websites: https://lpnu.ua/nolimits https://lpnu.ua/integration
Академічна доброчесність: Політика щодо академічної доброчесності учасників освітнього процесу формується на основі дотримання принципів академічної доброчесності з урахуванням норм «Положення про академічну доброчесність у Національному університеті «Львівська політехніка» (затверджене вченою радою університету від 20.06.2017 р., протокол № 35).